文摘
英文文摘
致谢
插图清单
表格清单
第一章 绪 论
1.1 课题研究背景和意义
1.2 表面检测中的常见缺陷
1.3 表面缺陷检测系统发展概述
1.3.1 传统表面检测方法
1.3.2 机器视觉表面缺陷检测方法
1.4 表面缺陷检测系统分析
1.4.1 表面缺陷检测中的图像处理技术
1.4.2 表面缺陷图像实时处理硬件的研究
1.5 表面缺陷检测系统面临的主要问题
1.6 本文研究的主要内容
第二章 表面缺陷检测系统架构
2.1 系统架构的目前研究状况
2.2 检测系统架构的概述
2.3 项目检测系统的要求
2.4 视觉检测的照明与成像
2.5 视觉检测的电气控制
2.6 检测系统软硬件控制原理
2.7 检测系统原型
2.8 本章小结
第三章 缺陷检测的照明及成像分析
3.1 照明光源的分类与特性
3.2 缺陷检测中的照明方法
3.2.1 直接/同轴照明
3.2.2 入射光/透射光照明
3.2.3 明视场/部分明视场/暗视场照明
3.3 视觉检测成像分辨能力分析
3.3.1 光源均匀性和强度分析
3.3.2 材料表面散射规律
3.3.3 相机成像光强分析
3.4 本章小结
第四章 缺陷检测中的图像硬件结构
4.1 多相机的并行采集和传输
4.2 图像的并行处理架构
4.2.1 图像采集卡预处理
4.2.2 图像处理硬件分类
4.3 实际传输速度与计算加速比
4.4 本章小结
第五章 表面缺陷检测图像预处理算法研究
5.1 表面缺陷检测的图像去噪算法
5.1.1 缺陷检测的噪声分析
5.1.2 现有去噪方法分析
5.2 ICA去噪算法
5.2.1 ICA的数学模型
5.2.2 FastICA算法去除噪声
5.3 改进的ICA学习算法
5.4 表面缺陷检测的纹理抑制算法
5.5 奇异值(SVD)分解方法
5.5.1 Householder并行化分解算法
5.5.2 算法结果分析
5.6 本章小结
第六章 表面缺陷检测的图像分割与分类研究
6.1 引言
6.2 主动轮廓模型分割方法
6.3 模型方法的分割效果
6.4 缺陷特征提取
6.4.1 缺陷图像一阶统计矩
6.4.2 缺陷图像二阶统计矩
6.4.3 缺陷图像的不变矩
6.5 SVM缺陷分类方法
6.5.1 模式识别理论
6.5.2 SVM线性分类模型
6.5.3 SVM非线性分类模型
6.5.41-分类方法
6.6 本章小结
第七章 总结与展望
7.1 研究工作总结
7.2 后续研究工作展望
参考文献
附录 1
附录 2